文献

J-GLOBAL ID：202002233405319796   整理番号：20A0266625

結合ニューラルネットワークと伝達関数を用いたマイクロ波成分の多重物理パラメトリックモデリング【JST・京大機械翻訳】

Multiphysics Parametric Modeling of Microwave Components Using Combined Neural Networks and Transfer Function

著者 (5件)： Zhang Wei (School of Microelectronics, Tianjin University, Tianjin, China) ,  Feng Feng (Department of Electronics, Carleton University, Ottawa, ON, Canada) ,  Yan Shuxia (Department of Electronics and Information Engineering, Tianjin Polytechnic University, Tianjin, China) ,  Zhao Zhihao (School of Microelectronics, Tianjin University, Tianjin, China) ,  Na Weicong (Faculty of Information Technology, Beijing University of Technology, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 5383-5392  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,多物理モデリングプロセスを高速化するために,マイクロ波成分に対する正確な多物理パラメトリックモデルを開発するための新しい手法を提案した。提案した手法では,人工ニューラルネットワーク(ANNs)と極/残差ベース伝達関数を組み込み,電磁中心(EM中心)多物理挙動と多物理幾何学的/非幾何学的設計パラメータ間の高度に非線形関係を表現した。ベクトルフィッティング技術を用いて,各多物理試料に対する伝達関数の極/残差を得た。多物理学設計パラメータと伝達関数の極/残差の間の関係は非線形で未知であるので,2つの写像関数を提案して,多物理設計パラメータと極/残差の間の数学的リンクを確立した。提案した多物理パラメトリックモデルを確立するための訓練と試験データを生成するために,並列多物理データ生成を提案した。2段階訓練アルゴリズムを提案し,多物理訓練プロセスを誘導した。正確な全体モデルを開発すると,幾何学的および非幾何学的パラメータをもつマイクロ波成分の多重物理学的挙動の正確で迅速な予測を変数として用いることができ,さらに高レベル設計に使用できる。既存の多物理モデリング方法と比較して,提案した技術は,高効率でより良いモデル精度を達成することができた。提案した手法は,粗いモデルや経験的モデルが利用できない場合でも,正確で効率的な方法を提供する。2つのマイクロ波例を用いて,提案した多物理パラメトリックモデリング技術の妥当性を例証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *多重化 ,  学習アルゴリズム ,  写像 ,  *伝達関数 ,  高速化 ,  残差 ,  *マイクロ波 ,  *ニューラルネットワーク
準シソーラス用語： 経験モデル ,  高効率 ,  幾何学的パラメータ ,  設計変数 ,  パラメトリックモデル ,  物理モデル ,  *パラメトリックモデリング , 【Automatic Indexing@JST】

分類 (2件)： 音響測定  (BB03040R) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  伝達関数 ,  マイクロ波 ,  多重 ,  物理 ,  パラメトリックモデリング